vlambda博客
学习文章列表

目前遇到的瓶颈问题，每天大概新增776万条记录，存储周期为7天，超过7天的数据需要在新增记录前老化。连续运行9天以后，删除一天的数据大概需要3个半小时（环境：128G, 32核，4T硬盘），而这是不能接受的。当然如果要整个表删除，毋庸置疑用

TRUNCATE TABLE就好。

最初的方案（因为未预料到删除会如此慢），代码如下（最简单和朴素的方法）:

delete from table_name where cnt_date <= target_date

后经过研究，最终实现了飞一般(1秒左右)的速度删除770多万条数据，单张表总数据量在4600万上下，优化过程的方案层层递进，详细记录如下：

• 批量删除（每次限定一定数量），然后循环删除直到全部数据删除完毕；同时key_buffer_size 由默认的8M提高到512M

 运行效果：删除时间大概从3个半小时提高到了3小时

（1）通过limit(具体size 请酌情设置）限制一次删除的数据量，然后判断数据是否删除完，附源码如下（Python实现）：

def delete_expired_data(mysqlconn, day):
 mysqlcur = mysqlconn.cursor()
 delete_sql = "DELETE from table_name where cnt_date<='%s' limit 50000" % day
 query_sql = "select srcip from table_name where cnt_date <= '%s' limit 1" % day
 try:
 df = pd.read_sql(query_sql, mysqlconn)
 while True:
 if df is None or df.empty:
 break
 mysqlcur.execute(delete_sql)
 mysqlconn.commit()

 df = pd.read_sql(query_sql, mysqlconn)
 except:
 mysqlconn.rollback()

（2）增加key_buffer_size

mysqlcur.execute("SET GLOBAL key_buffer_size = 536870912")

key_buffer_size是global变量，详情参见Mysql官方文档： https://dev.mysql.com/doc/refman/5.7/en/server-configuration.html

• DELETE QUICK + OPTIMIZE TABLE

 适用场景：MyISAM Tables

Why: MyISAM删除的数据维护在一个链表中，这些空间和行的位置接下来会被Insert的数据复用。直接的delete后，mysql会合并索引块，涉及大量内存的拷贝移动；而OPTIMIZE TABLE直接重建索引，即直接把数据块情况，再重新搞一份（联想JVM垃圾回收算法）。

运行效果：删除时间大3个半小时提高到了1小时40分

具体代码如下：

def delete_expired_data(mysqlconn, day):
 mysqlcur = mysqlconn.cursor()
 delete_sql = "DELETE QUICK from table_name where cnt_date<='%s' limit 50000" % day
 query_sql = "select srcip from table_name where cnt_date <= '%s' limit 1" % day
 optimize_sql = "OPTIMIZE TABLE g_visit_relation_asset"
    try:
 df = pd.read_sql(query_sql, mysqlconn)
 while True:
 if df is None or df.empty:
 break
 mysqlcur.execute(delete_sql)
 mysqlconn.commit()

 df = pd.read_sql(query_sql, mysqlconn)
 mysqlcur.execute(optimize_sql)
 mysqlconn.commit()
 except:
 mysqlconn.rollback()

• 表分区，直接删除过期日期所在的分区（最终方案—秒杀）

MySQL表分区有几种方式，包括RANGE、KEY、LIST、HASH，具体参见官方文档。因为这里的应用场景日期在变化，所以不适合用RANGE设置固定的分区名称，HASH分区更适应此处场景

（1）分区表定义，SQL语句如下：

ALTER TABLE table_name PARTITION BY HASH(TO_DAYS(cnt_date)) PARTITIONS 7;

TO_DAYS将日期（必须为日期类型，否则会报错:Constant, random or timezone-dependent expressions in (sub)partitioning function are not allowed）转换为天数（按一年的天数计算），然后HASH；分区建立7个。实际上，就是 days MOD 7 。

（2）查询出需要老化的日期所在的分区,SQL语句如下：

"explain partitions select * from g_visit_relation_asset where cnt_date = '%s'" % expired_day

（3）OPTIMIZE or REBUILD partition,SQL语句如下：

"ALTER TABLE g_visit_relation_asset OPTIMIZE PARTITION '%s'" % partition

完整代码如下【Python实现】，循环删除小于指定日期的数据：

def clear_partition_data(mysqlconn, day):
 mysqlcur = mysqlconn.cursor()
 expired_day = day
 query_partition_sql = "explain partitions select * from table_name where cnt_date = '%s'" % expired_day
 # OPTIMIZE or REBUILD after truncate partition
    try:
 while True:
 df = pd.read_sql(query_partition_sql, mysqlconn)
 if df is None or df.empty:
 break
 partition = df.loc[0, 'partitions']
 if partition is not None:
 clear_partition_sql = "alter table table_name TRUNCATE PARTITION %s" % partition
 mysqlcur.execute(clear_partition_sql)
 mysqlconn.commit()

 optimize_partition_sql = "ALTER TABLE table_name OPTIMIZE PARTITION %s" % partition
 mysqlcur.execute(optimize_partition_sql)
 mysqlconn.commit()
 
 expired_day = (expired_day - timedelta(days = 1)).strftime("%Y-%m-%d")
 df = pd.read_sql(query_partition_sql, mysqlconn)
 except:
 mysqlconn.rollback()

•  其它

如果删除的数据超过表数据的百分之50，建议拷贝所需数据到临时表，然后删除原表，再重命名临时表为原表，附MySQL如下：

 INSERT INTO New
 SELECT * FROM Main
 WHERE ...; -- just the rows you want to keep
 RENAME TABLE main TO Old, New TO Main;
 DROP TABLE Old; -- Space freed up here

参考：

1）https://dev.mysql.com/doc/refman/5.7/en/alter-table-partition-operations.html 具体分区说明

2）http://mysql.rjweb.org/doc.php/deletebig#solutions   删除大数据的解决方案

文章作者:CoderBaby

原文链接https://www.cnblogs.com/NaughtyCat/p/one-fast-way-to-delete-huge-data-in-mysql.html